决策树学习的算法通常是一个递归地选择最优特征，并根据该特征对训练数据进行分割，使得各个子数据集有一个最好的分类的过程，这一过程对应着特征空间的划分，也对应着决策树的构建。

一般而言，信息增益越大，则意味着使用属性a来进行划分所获得的“纯度提升越大”，因此我们可用信息增益来进行决策树的最优特征选择。 点击查看答案

给定一个数据集，如果存在某个超平面S能够将数据集的部分正实例点和负实例点正确的划分到超平面的两侧，则称该数据集是线性可分数据集。 点击查看答案&解析